国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

【數據結構(C語言描述)】時空復雜度

Y3G / 2688人閱讀

摘要:目錄一時間復雜度例題二空間復雜度例題三常見復雜度對比一時間復雜度時間復雜度一個算法所花費的時間與其中語句的執行次數成正比例,算法中的基本操作的執行次數。找到某條基本語句與問題規模之間的數學表達式,就是算出了該算法的時間復雜度。


一、時間復雜度

時間復雜度:一個算法所花費的時間與其中語句的執行次數成正比例,算法中的基本操作的執行次數。

  • 找到某條基本語句與問題規模N之間的數學表達式,就是算出了該算法的時間復雜度。

舉個例子

void Func1(int N){	int count = 0;	for (int i = 0; i < N; ++i)	{		for (int j = 0; j < N; ++j)		{			++count;//N*N		}	}	for (int k = 0; k < 2 * N; ++k)	{		++count;//2*N	}	int M = 10;	while (M--)	{		++count;///10	}	printf("%d/n", count);//將上面相加得 N*N+2*N+10}

Func1 執行的基本操作次數 : N 2 N^2 N2 + 2 N + 10 +2N+10 +2N+10

N → ∞ {N /to /infty} N時,按照高數中 lim ? x → ∞ /lim_{x /to /infty} limx? 的思想,Func1基本操作大概次數為: N 2 N^2 N2,該方法稱為大O的漸進表示法。

大O的漸進表示法: 實際中我們計算時間復雜度時,我們其實并不一定要計算精確的執行次數,而只需要大概執行次數。
大O符號(Big O notation):是用于描述函數漸進行為的數學符號。記為: O ( □ ) O(□) O()

?注意:算法的時間復雜度存在最好、平均和最壞情況:
① 最壞情況:任意輸入規模的最大運行次數(上界)
② 平均情況:任意輸入規模的期望運行次數(期望對標概率論中的期望)
③ 最好情況:任意輸入規模的最小運行次數(下界)

在實際中一般情況關注的是算法的最壞運行情況

大O法的規則

  1. 結果只保留最高階項,且去掉系數
  2. 結果若為常數,記為 O ( 1 ) O(1) O(1)

例題

例一:

//計算Func2的時間復雜度?void Func2(int N){	int count = 0;	for (int k = 0; k < 2 * N; ++k)	{		++count;//2 * N	}	int M = 10;	while (M--)	{		++count;//10	}	printf("%d/n", count);}

Func2 執行的基本操作次數 : 2 N + 10 2N+10 2N+10
用大 O O O法表示: O ( N ) O(N) O(N)

例二:

// 計算Func3的時間復雜度?void Func3(int N, int M){	int count = 0;	for (int k = 0; k < M; ++k)	{		++count;//M	}	for (int k = 0; k < N; ++k)	{		++count;//N	}	printf("%d/n", count);}

Func3 執行的基本操作次數 : M + N M+N M+N
用大 O O O法表示: O ( M + N ) O(M+N) O(M+N)

? ?情況分析:若 M < < N M<M<<N,則 O ( N ) O(N) O(N)
? ?? ?? ? ?? ? ?? ? ?若 M > > N M>>N M>>N,則 O ( M ) O(M) O(M)
? ?? ?? ? ?? ? ?? ? ?若 M ≈ N M ≈ N MN,則 O ( M ) O(M) O(M) O ( N ) O(N) O(N)

例三:

// 計算Func4的時間復雜度?void Func4(int N){	int count = 0;	for (int k = 0; k < 100; ++k)	{		++count;//100	}	printf("%d/n", count);}

Func4 執行的基本操作次數 : 100 100 100
用大 O O O法表示: O ( 1 ) O(1) O(1)

例四:

// 計算strchr的時間復雜度?const char * strchr ( const char * str, int character );

?strchr函數的用法
考慮最壞的情況,用大 O O O法表示: O ( N ) O(N) O(N)

例五:

// 計算BubbleSort的時間復雜度?void BubbleSort(int* a, int n){	assert(a);	for (size_t end = n; end > 0; --end)	{		int exchange = 0;		for (size_t i = 1; i < end; ++i)		{			if (a[i - 1] > a[i])			{				Swap(&a[i - 1], &a[i]);//第一輪N次,最后一輪1次,三角形面積計算得(N+1)*N/2				exchange = 1;			}		}		if (exchange == 0)			break;	}}

BubbleSort 執行的基本操作次數 : ( N + 1 ) N / 2 (N+1)N/2 (N+1)N/2
用大 O O O法表示: O ( N 2 ) O(N^2) O(N2)

例六:

// 計算BinarySearch的時間復雜度?int BinarySearch(int* a, int n, int x){	assert(a);	int begin = 0;	int end = n - 1;	while (begin < end)	{		int mid = begin + ((end - begin) >> 1);		if (a[mid] < x)			begin = mid + 1;		else if (a[mid] > x)			end = mid;		else			return mid;	}	return -1;}

從BinarySearch的思想來看,一半一半的查找容易得: O ( l o g 2 N ) O(log_2N) O(log2?N)

例七:

// 計算階乘遞歸Fac的時間復雜度?long long Fac(size_t N){	if (0 == N)		return 1;	return Fac(N - 1) * N;}

由圖可得復雜度為: O ( N ) O(N) O(N)

例八:

// 計算斐波那契遞歸Fib的時間復雜度?long long Fib(size_t N){	if (N < 3)		return 1;	return Fib(N - 1) + Fib(N - 2);}


由圖可得執行的基本操作次數大概為 : 2 N ? 1 2^N-1 2N?1
復雜度為: O ( 2 N ) O(2^N) O(2N)

二、空間復雜度

空間復雜度:是對一個算法在運行過程中臨時額外占用存儲空間大小的量度

  • 臨時額外占用的理解:函數運行時所需要的棧空間(存儲參數、局部變量、一些寄存器信息等)在編譯期間已經確定好了,因此空間復雜度主要通過函數在運行時候顯式申請的額外空間來確定

例題

例一:

// 計算BubbleSort的空間復雜度?void BubbleSort(int* a, int n){	assert(a);	for (size_t end = n; end > 0; --end)	{		int exchange = 0;		for (size_t i = 1; i < end; ++i)		{			if (a[i - 1] > a[i])			{				Swap(&a[i - 1], &a[i]);				exchange = 1;			}		}		if (exchange == 0)			break;	}}

只開辟了endi兩塊空間的大小,因此空間復雜度為: O ( 1 ) O(1) O(1)

例二:

// 計算Fibonacci的空間復雜度?// 返回斐波那契數列的前n項long long* Fibonacci(size_t n){	if (n == 0)		return NULL;	long long* fibArray = (long long*)malloc((n + 1) * sizeof(long long));	fibArray[0] = 0;	fibArray[1] = 1;	for (int i = 2; i <= n; ++i)	{		fibArray[i] = fibArray[i - 1] + fibArray[i - 2];	}	return fibArray;}

動態開辟了 N + 1 N+1 N+1個數組,還有 N ? 1 N-1 N?1i,因此空間復雜度為: O ( N ) O(N) O(N)
時間復雜度: O ( N ) O(N) O(N)

例三:

// 計算階乘遞歸Fac的空間復雜度?long long Fac(size_t N){	if(N == 0)	return 1;	return Fac(N-1)*N;}


由圖可知空間復雜度為: O ( N ) O(N) O(N)

例八:

// 計算斐波那契遞歸Fib的時間復雜度?long long Fib(size_t N){	if (N < 3)		return 1;	return Fib(N - 1) + Fib(N - 2);}

因此空間復雜度為: O ( N ) O(N) O(N)

空間是可以重復利用的,但是時間是累計的。

三、常見復雜度對比


算法復雜度優先級: O ( 1 ) > O ( N ) > O ( N l o g N ) > O ( N 2 ) > O ( 2 N ) > O ( N ! ) O(1) >O(N) >O(Nlog^N) >O(N^2) >O(2^N) >O(N!) O(1)>O(N)>O(NlogN)>O(N2)>O(2

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/122324.html

相關文章

  • 守護城市安全:時空數據+深度學習

    摘要:上周,在舊金山召開的人工智能國際較高級會議上,來自微軟亞洲研究院的鄭宇博士及其團隊的論文首創性的將時空數據與深度學習結合起來,利用時空深度殘差網絡用于預測城市人流問題。 上周,在舊金山召開的人工智能國際較高級會議AAAI 2017上,來自微軟亞洲研究院的鄭宇博士及其團隊的論文Deep Spatio-Temporal Residual Networks for Citywide Crowd F...

    CarlBenjamin 評論0 收藏0
  • 何為語法樹

    摘要:原文鏈接何為語法樹什么是語法樹你是否曾想過,這個世界存在這么多語言的意義。語法樹,計算機描述世界真理的樹狀結構。不同的語言,都會配之不同的語法分析器,而語法分析器是把源代碼作為字符串讀入解析,并建立語法樹的程序。 原文鏈接:BlueSun | 何為語法樹 什么是語法樹? 你是否曾想過,這個世界存在這么多語言的意義。 假如現在你面前有一個物體,它是一個不規則的圓體,整個身體通紅,頭部還有...

    hikui 評論0 收藏0
  • 深度學習的時間序列模型評價

    摘要:技術總言這次主要說最近發展的無監督特征學習和深入學習,其對于時間序列模型問題的評價。建模連續數據的傳統方法包括從假定時間序列模型參數的估計,如自回歸模型和線性動力系統,和著名的隱馬爾可夫模型。此外,時間序列對時間變量有明顯依賴性。 技術總言:這次主要說最近發展的無監督特征學習和深入學習,其對于時間序列模型問題的評價。這些技術已經展現了希望對于建模靜態數據,如計算機視覺,把它們應用到時間序列數...

    zhaochunqi 評論0 收藏0
  • 數據時代數據庫-云HBase架構&生態&實踐

    摘要:摘要第九屆中國數據庫技術大會,阿里云高級技術專家架構師封神曹龍帶來題為大數據時代數據庫云架構生態實踐的演講。主要內容有三個方面首先介紹了業務挑戰帶來的架構演進,其次分析了及生態,最后分享了大數據數據庫的實際案例。數據備份及恢復。 摘要: 2018第九屆中國數據庫技術大會,阿里云高級技術專家、架構師封神(曹龍)帶來題為大數據時代數據庫-云HBase架構&生態&實踐的演講。主要內容有三個方...

    econi 評論0 收藏0

發表評論

0條評論

Y3G

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<